Modelo preditivo para Diagnóstico da Sepse em Unidade de Terapia Intensiva

UNIVERSIDADE FEDERAL DA PARAÍBA

CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA

PROGRAMA DE PÓS-GRADUAÇÃO EM MODELOS DE DECISÃO E SAÚDE

MODELO PREDITIVO PARA DIAGNÓSTICO DA

SEPSE EM UNIDADES DE TERAPIA INTENSIVA

Lavoisier Morais de Medeiros

João Pessoa-PB

LAVOISIER MORAIS DE MEDEIROS

MODELO PREDITIVO PARA DIAGNÓSTICO DA

SEPSE EM UNIDADES DE TERAPIA INTENSIVA

Dissertação apresentada ao Programa de Pós Graduação em Modelos de Decisão e Saúde da Universidade Federal da Paraíba para obtenção do título de mestre.

Orientadores:

Prof. Dr. Ulisses Umbelino dos Anjos Profa. Dra. Ana Maria Gondim Valença

M488m Medeiros, Lavoisier Morais de.

Modelo preditivo para Diagnóstico da Sepse em Unidade de Terapia Intensiva / Lavoisier Morais de Medeiros. - João Pessoa, 2012.

82f. : il.

Orientadores: Ulisses Umbelino dos Anjos, Ana Maria Gondim Valença, Departamento de Estatística do CCEN, 2012 Dissertação (Mestrado) – UFPB/CCEN

1. Unidade de Terapia Intensiva. 2. Sepse. 3. Modelo de Decisão.

LAVOISIER MORAIS DE MEDEIROS

MODELO PREDITIVO PARA DIAGNÓSTICO DA

SEPSE EM UNIDADES DE TERAPIA INTENSIVA

João Pessoa, 27 de fevereiro de 2012

Banca Examinadora

___________________________________ Prof. Dr. Ulisses Umbelino dos Anjos

Orientador

___________________________________ Profa. Dra. Ana Maria Gondim Valença

Orientadora

___________________________________ Profa. Dra. Ana Tereza Medeiros Cavalcanti da Silva

Membro Interno

___________________________________ Prof. Dr. Eufrásio de Andrade Lima Neto

Membro Interno

___________________________________ Prof. Dr. Alessandro Leite Cavalcanti

Dedicatória

Ao Grande Arquiteto do Universo por ter me dado o dom da vida;

Aos meus pais Manoel Evaristo e Maria de Lourdes, pelo amor e grande esforço para prover

a minha educação;

Aos meus amados filhos Larissa e Lavoisier Filho, por serem o objetivo maior da minha

existência.

Agradecimentos

Ao SENHOR JESUS, por ser a luz em minha vida e o exemplo de amor que me ajuda a

seguir.

Aos meus pais, por representarem o melhor lugar de minha vida, um lugar de amor, de

incentivo e, sobretudo, de aprendizado, no qual eu encontro sempre a força necessária para recomeçar. Por aceitarem minhas escolhas mesmo quando não as compreendiam. Por tudo o que sou e por tudo o que serei e que devo a vocês.

À Mércia, pela compreensão e dedicação durante todo o tempo em que estivemos juntos.

Aos meus filhos Larissa e LavoisierFilho, por terem sido a força motivadora durante as

dificuldades.

Aos meus amigos Ana Carla e Elídio, por sempre estarem comigo nas horas difíceis

Ao Prof. Dr. Ulisses Umbelino dos Anjos, meus sinceros agradecimentos pelos ensinamentos

de sempre, especialmente durante essa jornada, pela atenção e compreensão dispensadas a mim em todos os momentos.

A Profa. Dra. Ana Maria Gondim Valença, meus sinceros agradecimentos pelos

ensinamentos de sempre, especialmente durante essa jornada, pela atenção e compreensão a mim dispensadas em todos os momentos.

Feliz é o homem que acha sabedoria, e o homem que adquire entendimento

RESUMO

MEDEIROS, L. M. Modelo Preditivo Para Diagnóstico da Sepse em Unidade de Terapia Intensiva. 2012. 82f. [Dissertação]. João Pessoa (PB): Programa de Pós-Graduação em Modelos de Decisão e Saúde. Universidade Federal da Paraíba.

As Unidades de Terapia Intensiva (UTI) são ambientes especializados na assistência ao paciente gravemente enfermo. O desenvolvimento dessas unidades reduziu drasticamente a taxa de mortalidade hospitalar, contudo, a realização de procedimentos complexos em seus pacientes favorece o surgimento de infecções graves como a sepse, o que predispõe ao óbito. O presente estudo teve como objetivo fornecer um modelo de decisão probabilístico para o diagnóstico precoce da sepse. Para tanto, foram analisados os dados contidos nos prontuários de 100 indivíduos internados em uma UTI geral de um hospital público do interior do estado da Paraíba, no período de março a setembro de 2011. As informações foram registradas em instrumento próprio confeccionado pelo pesquisador, sendo estudadas as variáveis: idade, gênero, diagnóstico inicial dos participantes, a temperatura axilar mínima e máxima, frequência cardíaca e respiratória, pressão parcial de oxigênio e de gás carbônico, nível sérico de lactato, potássio, sódio, contagem total de leucócitos, bastonetes e segmentados, dentre outras. Utilizou-se a regressão logística binária para determinação do modelo de predição. A análise dos dados foi realizada utilizando-se o software SPSS versão 19.0. Os achados demonstraram que 63% dos participantes do estudo eram do gênero masculino, apresentando uma idade média de 62,5 anos. Foram consideradas como variáveis explicatórias: a temperatura axilar mínima, a temperatura axilar máxima, a pressão parcial de gás carbônico, o lactato, a contagem de leucócitos e o número de bastonetes. Através da curva ROC foi possível identificar o ponto de corte ideal para classificação dos indivíduos quanto à presença ou ausência da doença, o que contribuiu para confecção da regra de tomada de decisão para o diagnóstico precoce da sepse. Realizou-se a comparação do grau de concordância entre o resultado da hemocultura considerado como padrão-ouro para o diagnóstico da infecção e o modelo apresentado no estudo utilizando-se o coeficiente Kappa, sendo obtido um percentual de concordância de 0,93 que é considerado como excelente. Apesar do caráter inédito da pesquisa, demonstrou-se ser possível a detecção precoce da sepse com a adoção de modelos estatísticos como o apresentado, entretanto, novos estudos com populações de diferentes UTIs devem ser realizados a fim de prover uma casuística melhor, tornando os resultados encontrados reproduzíveis em diferentes situações clínicas diárias.

ABSTRACT

MEDEIROS, L. M. Predictive Model For Sepsis in the Intensive Care Unit. 2012. 82f. [Dissertation]. João Pessoa (PB): Programa de Pós-Graduação em Modelos de Decisão e Saúde. Universidade Federal da Paraíba.

The Intensive Care Unit (ICU) environments are specialized in assisting the patient severely ill. The development of these units drastically reduced the hospital mortality rate, however, the complex procedures on their patients favors the emergence of serious infections such as sepsis, which predisposes to death. The present study aimed to provide a probabilistic decision model for the early diagnosis of sepsis. To this end, we analyzed the data contained in the records of 100 patients hospitalized in a general ICU of a public hospital in the state of Paraíba, in the period from March to September 2011. The information was recorded in a proper instrument made by the researcher being studied variables: age, gender, initial diagnosis of the participants, the minimum and maximum axillary temperature, heart rate and respiratory rate, partial pressure of oxygen and carbon dioxide, serum lactate , potassium, sodium, total leukocyte count, segmented rods and, among others. We used binary logistic regression to determine the prediction model. Data analysis was performed using SPSS version 19.0. The findings showed that 63% of study participants were male, with a mean age of 62.5 years. Explanatory variables were considered: axillary temperature minimum, maximum axillary temperature, partial pressure of carbon dioxide, lactate, leukocyte count and the number of rods. ROC curve was possible to identify the optimal cutoff point to classify individuals according to the presence or absence of disease, which contributed to the making of the rule of decision for the early diagnosis of sepsis. Was performed to compare the degree of agreement between blood culture result considered the gold standard for diagnosis of infection and the model presented in this study using the Kappa coefficient, obtained a percentage of agreement of 0.93 is considered excellent. Despite the unprecedented nature of the research, proved to be early detection of sepsis with the adoption of statistical models as presented, however, further studies with different populations of ICUs should be performed in order to provide a better sample, making the results found reproducible in different clinical situations daily.

LISTA DE ABREVIATURAS

APACHE- Acute Physiology and Chronic Health Evaluation CDC- Center for Disease Control and Prevention

CEP/FIP - Comitê de Ética em Pesquisa das Faculdades Integradas de Patos CTL- Contagem Total de Leucócitos

ECG- Escala de Coma de Glasgow FR- Frequência Respiratória HRP- Hospital Regional de Patos LPA- Lesão Pulmonar Aguda

PCO2- Pressão Parcial de Gás Carbônico

PO2- Pressão Parcial de Oxigênio

PPGMDS – Programa de Pós-Graduação em Modelos de Decisão e Saúde RCO- Risco Calculado de óbito

RL- Regressão Logística

SAPS II- Simplified Acute Physiology Score

SDMO- Síndrome da Disfunção de Múltiplos Órgãos

SIRS- Síndrome da Resposta Inflamatória de Múltiplos Órgãos SOFA- Sepsis Related Organ Failure Assessment

SPSS- Statistical Package of the Social Sciences TC- Temperatura Corporal

LISTA DE TABELAS

Tabela 1 – Valores assumidos pelas probabilidades na regressão logística... 34

Tabela 2 – Avaliação da sensibilidade e especificidade de um teste diagnóstico... 38

Tabela 3 – Interpretação do coeficiente Kappa... 42

Tabela 4 – Valores das variáveis no modelo logístico... 46

Tabela 5 – P-valor das variáveis do estudo. Patos-PB, 2011... 55

Tabela 6 – Classificação do modelo de regressão a priori. Patos-PB, 2011... 56

Tabela 7 – Omnibus Test do modelo logístico. Patos-PB, 2011... 56

Tabela 8 – Avaliação sumária do modelo. Patos-PB, 2011... 56

Tabela 9 – Classificação do modelo após inserção das variáveis independentes. Patos-PB, 2011... 57

Tabela 10 – Valores de para as variáveis do modelo logístico. Patos-PB, 2011... 57

Tabela 11 – Coordenada da Curva ROC... 59

LISTA DE GRÁFICOS

LISTA DE QUADROS E FIGURAS

SUMÁRIO

1 INTRODUÇÃO... 14

2 OBJETIVOS... 18

2.1 GERAL... 19

2.2 ESPECÍFICOS... 19

3 REFERENCIAL TEÓRICO... 20

3.1 A UNIDADE DE TERAPIA INTENSIVA... 21

3.2 A SEPSE... 23

3.3 MODELOS DE AVALIAÇÃO PROGNÓSTICA EM UTI... 28

3.4 MODELO DE REGRESSÃO LOGÍSTICA... 32

3.5 OUTROS MÉTODOS DE AVALIAÇÃO ESTATÍSTICA UTILIZADOS NA TERAPIA INTENSIVA... 37

4 METODOLOGIA... 43

4.1 TIPO DE ESTUDO... 44

4.2 LOCAL DE ESTUDO... 44

4.3 CASUÍSTICA... 45

4.4 COLETA DE DADOS... 45

4.5 ANÁLISE DOS DADOS... 46

4.6 PERFIL ÉTICO DA PESQUISA... 47

5 RESULTADOS... 49

5.1 PERFIL EPIDEMIOLÓGICO DOS INDIVÍDUOS PARTICIPANTES DO ESTUDO... 50

5.2 MODELO PREDITIVO PARA DIAGNÓSTICO DA SEPSE EM UTI... 54

6 DISCUSSÃO... 62

CONSIDERAÇÕES FINAIS... 70

REFERÊNCIAS... 73

APÊNDICES... 79

Apêndice A – Termo de Esclarecimento Livre e Esclarecido... 80

Apêndice B – Instrumento de Coleta de Dados... 81

ANEXOS... 82

Anexo A – Ofício a Diretoria do Hospital Regional de Patos... 83

As Unidades de Terapia Intensivas (UTI) são áreas de tratamento complexas destinadas à atenção aos indivíduos que necessitem de cuidados intensivos e que possam apresentar boa probabilidade de sobrevida. Seu surgimento ocorreu devido à necessidade de prestar uma assistência mais especializada e contínua a indivíduos com patologias graves ou de risco.

A ideia de agrupar pacientes graves para proporcionar melhor assistência surgiu com Florence Nightingale, na Guerra da Criméia, em 1854. O aperfeiçoamento das intervenções terapêuticas e o desenvolvimento de unidades especiais para abrigar pacientes e recursos tecnológicos de alta complexidade transformaram as taxas de mortalidade por diversas patologias. Com a criação de áreas específicas e diferenciadas para a assistência intensiva nas últimas décadas, tornou-se viável a manutenção e a recuperação de pacientes com diversos tipos de doenças e quadros de instabilidade aguda delas decorrentes, hemodinâmica, ventilatória, metabólica, renal, entre outras (DIAS; MATTA; NUNES, 2006).

O acompanhamento de pacientes com infecção é um desafio para a equipe multidisciplinar da UTI. Nos indivíduos admitidos com sintomas prévios à hospitalização, a infecção é considerada adquirida na comunidade, aqueles que desenvolvem infecção com mais de 48 horas após a admissão hospitalar, esta é considerada com intra-hospitalar ou nosocomial. As principais síndromes infecciosas que podem necessitar de admissão e terapia imediata na UTI são: a sepse, a pneumonia, a endocardite infecciosa, as infecções intra-abdominais dentre outras, contudo a de maior prevalência e de pior prognóstico é a sepse (BOUGARD; SUE, 2005).

O termo sepse significa putrefação, decomposição da matéria orgânica por um agente agressor (bactérias, fungos, parasitas, vírus). Os termos infecção e sepse são geralmente utilizados de forma independente, no entanto a terminologia acaba simplificando uma relação complexa. O termo infecção está relacionado à presença de agente agressor em uma localização (tecido, cavidade ou fluido corporal) normalmente estéril, e o termo sepse está relacionado à consequente manifestação do hospedeiro, i.e., à reação inflamatória desencadeada frente uma infecção grave. A distinção entre os dois não é fácil, pois todo processo infeccioso desencadeia uma resposta do hospedeiro, e cada indivíduo apresenta um tipo de reação com magnitudes diferentes frente um determinado agravo (PERREIRA JÚNIOR et al, 1998).

forma de predizer a evolução de uma determinada afecção e assim reduzir seus malefícios ao cliente?

Vários escores prognósticos que associam diferentes parâmetros clínicos e laboratoriais como o Acute Physiology and Chronic Health Evaluation (APACHE II) e o

Sepsis Related Organ Failure Assessment (SOFA) são utilizados para avaliar o risco de mortalidade em pacientes na UTI. Contudo, esses escores apesar de apresentarem um alto poder preditivo positivo quanto à mortalidade, não são adaptados a realidade brasileira o que torna difícil a sua aplicação na prática clínica diária.

Até 1988, esses índices prognósticos eram largamente utilizados nas Unidades de Terapia Intensiva brasileiras, sem, no entanto, serem validados quanto às diferenças morfofisiológicas existentes entre a população do Brasil e a dos Estados Unidos e da Europa, onde foram desenvolvidos.

Com esse intuito, realizou-se um estudo multicêntrico aplicando o modelo APACHE II a 1734 pacientes internados em dez hospitais brasileiros e, posteriormente, os dados foram analisados pela equipe de William Knaus em Washington, demonstrando importantes diferenças de SMR (Standardized Mortality Rate) - relação entre a mortalidade prevista e a mortalidade observada. E de maneira geral, a mortalidade observada foi superior à estimada pelo modelo APACHE II (FEIJÓ et al, 2006).

Terzi et al em 2002, desenvolveram um modelo de avaliação prognóstica individual para pacientes internados em Unidades de Tratamento Intensivo, o modelo denominado UNICAMP II. Este foi fruto da análise de um banco de dados oriundo de um hospital universitário brasileiro e comparado a outros modelos publicados na literatura como o APACHE II. Além de ter sido verificada sua validade e retratada a realidade brasileira, pode-se salientar entre pode-seus méritos, o fato da estimativa de risco atribuir um escore único para todos os pacientes, independente da causa que motivou a internação na UTI. Contudo, o modelo UNICAMP II avalia a mortalidade na unidade de tratamento intensivo, sem realizar uma correlação específica com a presença de Sepse.

2.1 OBJETIVO GERAL

- Fornecer um modelo de decisão probabilístico para o diagnóstico precoce da sepse.

2.2 OBJETIVOS ESPECÍFICOS

- Caracterizar o perfil dos indivíduos com sepse assistidos na UTI do Hospital Regional de Patos.

- Verificar a associação entre os dados clínicos dos pacientes internados na UTI com a presença da Sepse.

- Ajustar um modelo de regressão logística para utilizá-lo na predição dos casos de sepse.

CAPÍTULO

3

Para melhor compreensão da temática abordada passaremos a apresentar uma revisão teórica abordando a Unidade de Terapia Intensiva; A Sepse; Os Modelos de Avaliação prognóstica em UTI; O Modelo de Regressão Logística; e a descrição de Outros modelos de Avaliação Estatística Utilizados na Terapia Intensiva. Essa revisão irá proporcionar ao leitor uma visão ampla sobre as questões abordadas na presente pesquisa e compreensão da metodologia utilizada para a formulação do modelo de tomada de decisão.

3.1 A UNIDADE DE TERAPIA INTENSIVA

A unidade de Terapia Intensiva (UTI) caracteriza-se como uma unidade reservada, complexa, dotada de monitorização contínua que admite pacientes potencialmente graves ou com descompensação de um ou mais sistemas orgânicos. Fornecem suporte e tratamento intensivo, propondo monitorização contínua, vigilância por 24 horas, equipamentos específicos e outras tecnologias destinadas ao diagnóstico e ao tratamento (BOUGARD; SUE, 2005).

A ideia de agrupar pacientes graves para proporcionar melhor assistência surgiu no século XIX, neste período a mortalidade entre os indivíduos hospitalizados era de 40% e, quando iniciou-se a adotar a prática de cuidados intensivos a esses pacientes, a taxa de mortalidade decresceu para 2% (ABRAHÃO,2010).

O pensamento inicial era o de classificar os doentes de acordo com o grau de dependência, dispondo-os nas enfermarias de tal maneira que os mais graves ficassem próximos à área de trabalho dos enfermeiros, para maior vigilância e melhor atendimento. Com o avanço dos procedimentos cirúrgicos, a necessidade de se prestar maiores cuidados ao paciente durante o período pós-operatório imediato levou ao desenvolvimento das unidades especiais de terapia, sendo essas unidades salas especiais adjacentes as salas de cirurgia (NISHIDE; MALTA; AQUINO, 2005).

A primeira Unidade de Terapia Intensiva organizada segundo padrões técnicos científicos funcionou no Hospital Johns Hopkins a partir de 1914, contando apenas com três leitos para pacientes pós-operatórios de neurocirurgia. Contudo, o desenvolvimento de protocolos de atendimento a esses pacientes só começaram a ser normatizados a partir dos trabalhos do médico Austríaco Peter Safer considerado o primeiro médico intensivista já na década de 1950 (CHEREGATTI; AMORIM, 2010).

da expectativa de vida e o crescimento das doenças crônicas que em determinado momento necessitam de cuidados intensivos, são alguns dos fatores que determinaram as rápidas mudanças dessa especialidade (NISHIDE; MALTA; AQUINO, 2005).

No Brasil, as primeiras Unidades de Terapia Intensiva foram instaladas na década de 1970, com a finalidade de concentrar pacientes com alto grau de complexidade em uma área hospitalar adequada, requerendo a disponibilidade de infraestrutura própria, com provisão de equipamentos e materiais, além da capacitação de recursos humanos para o desenvolvimento do trabalho com segurança (CINTRA; NISHIDE; NUNES, 2005).

O aperfeiçoamento das intervenções terapêuticas e o desenvolvimento de unidades especiais para abrigar pacientes e recursos tecnológicos de alta complexidade transformaram as taxas de mortalidade por diversas patologias.

Os objetivos da terapia intensiva podem ser resumidos em: salvar as vidas dos pacientes recuperáveis com doenças clínicas e/ou cirúrgicas reversíveis ou oferecer uma acompanhamento digno e tranqüilo ao indivíduo mesmo que seu quadro clínico seja irreversível. A identificação correta desses dois grupos de pacientes, de forma que o tratamento clínico eficaz e racional possa ser implementado, tem se tornado um aspecto cada vez mais importante da pesquisa clinica realizada em medicina interna. Dois motivos relevantes para isso são os custos crescentes da assistência à saúde e a necessidade de dados precisos sobre prognóstico, a fim de que os pacientes, suas famílias e seus médicos possam tomar decisões conscientes quanto à assistência à saúde (GONÇALVES et al, 2009).

A performance de cada Unidade de Terapia Intensiva precisa ser observada no contexto dos cuidados médicos, assim como pela instituição que faz parte. De forma em geral, avalia-se a qualidade de uma UTI pela sua capacidade de prestar a assistência adequada e especializada a seus clientes (SOUSA; LEITE, 2009).

As UTIs atendem grupos específicos de indivíduos dentro de faixas etárias e especialidades sendo divididas em: Neonatal (que atende pacientes de 0 a 28 dias), Pediátrica (que prestam assistência à pacientes de 28 dias a 14 ou 18 anos, de acordo com as rotinas da instituição), Adulta (atende pacientes maiores de 14 ou 18 anos), Especializadas (prestam assistência a pacientes atendidos por determinadas especialidades ou pertencentes a grupo específico de doenças) (BRASIL, 1998).

incorporação de tecnologia, especialização de recursos e área física disponível (BRASIL, 1998).

Readmissões na Unidade de Tratamento Intensivo na mesma internação hospitalar são geralmente associadas com maior morbimortalidade. A taxa de reinternação de pacientes varia em torno de 2 a 15 %. Esta taxa pode ser útil para indicar a qualidade de atendimento e cuidados de pacientes, sendo valorizada nos movimentos de avaliação da qualidade do serviço hospitalar vigentes em vários países. A otimização da utilização de recursos de UTI no Brasil é tema atual e importante, já que existe carência de leitos tanto na rede pública quanto na rede privada de hospitais. Por esta razão, procura-se analisar e discutir criticamente as possíveis causas ou associações com a readmissão de pacientes na UTI (JAPIASSÚ et al, 2009).

As doenças infecciosas estão entre as mais prevalentes nas Unidades de Terapia Intensiva, sendo importante fator implicador no desfecho desfavorável dos pacientes criticamente enfermos. Quadros infecciosos em UTI estão associados com maior tempo de internação, maior morbidade e mortalidade, além do alto custo. Dados de um estudo transversal europeu sobre infecção (EPIC) mostram uma prevalência de 45% de infecção no dia da avaliação dos pacientes, sendo que desse total cerca de 70% evoluíram para um mau prognóstico (LISBOA et al, 2007).

3.2 A SEPSE

A assistência de pacientes que necessitam de cuidados intensivos com infecção é um desafio para os médicos e para a equipe multidisciplinar da UTI. A infecção pode ser considerada como comunitária ou hospitalar. Nos indivíduos admitidos com sintomas prévios à hospitalização, a infecção é considerada adquirida na comunidade, aqueles que desenvolvem infecção com mais de 48 horas após a admissão hospitalar, esta é considerada com intra-hospitalar ou nosocomial (BOUGARD; SUE, 2005).

Sepse ou síndrome séptica é a tradução clínica da existência de manifestações acompanhadas de foco infeccioso, sendo caracterizada pelas reações desenvolvidas pelo ser humano em resposta à invasão de micro-organismos patogênicos em que ocorre comprometimento disseminado e relativamente contínuo da circulação e que pode determinar disfunção ou falência de um ou mais órgãos ou mesmo a morte (GOLDMAN; AUSELLO, 2005).

(CDC) calculou que nos Estados Unidos ocorreram cerca de 450 mil casos de sepse por ano e aproximadamente 100 mil mortes (ZANON et al, 2008).

Sepse, choque séptico e disfunção de múltiplos órgãos são uma das maiores causas de morte nas Unidades de Terapia Intensiva, apesar dos recentes avanços tecnológicos, sendo a décima causa mais frequente de morte nos Estados Unidos. No Brasil, apesar de não existirem dados oficiais sobre a prevalência, estima-se um papel mais importante ainda para a etiologia de morte geral (PERREIRA JÚNIOR et al, 1998).

Estudo realizado nos Estados Unidos em diversas Unidades de Terapia Intensiva gerais, onde foi analisada uma população total de 750.000 pacientes atendidos, constatou-se que a sepse grave é responsável por mais de 215.000 mortes anuais apresentando uma taxa média de mortalidade de aproximadamente 17,9%. Embora aparentemente alta, esse valor está bem abaixo do que ocorria anteriormente nessas mesmas unidades, sendo essa redução da mortalidade creditada ao desenvolvimento recente de novos tratamentos e ao aperfeiçoamento dos cuidados clínicos intensivos (STENBIT; SERIO, 2007).

O aumento do número de casos da Sepse ocorre devido ao suporte mais agressivo aos pacientes gravemente enfermos, ao cuidado do número de sujeito imunocomprometidos, à utilização de mais recursos mecânicos e invasivos (como por exemplo; Sonda vesical, tubos endotraqueais, cateteres intravasculares) nas UTI, ao aumento da longevidade de pacientes com maior suscetibilidade à infecção e ao aumento do número de micro-organismos resistentes (WITT; CHU, 2005).

A sepse é uma resposta sistêmica do hospedeiro ao estímulo infeccioso, que consiste em manifestações clínicas, bioquímicas, hemodinâmicas e componentes inflamatórios. Quando um sistema de órgãos começa a falhar por causa da sepse, a condição é considerada como sepse grave e é uma das principais causas de morte em estado crítico. A mortalidade pode ser reduzida devido a mudanças na definição de sepse, uma melhor detecção e tratamento da infecção subjacente ou melhor cuidado de suporte (CINTRA; NISHIDE; NUNES, 2005).

A complexa fisiopatologia da sepse não é completamente compreendida. Ela se inicia com a colonização e a proliferação dos micro-organismos em um determinado tecido. Várias características do hospedeiro e a virulência do organismo são fatores que determinam a invasividade e a subsequente intensidade da resposta inflamatória local (CINTRA; NISHIDE; NUNES, 2005).

A grande quantidade de termos sinônimos para designar a mesma condição clínica e suas diversas graduações de gravidade provocou muitos inconvenientes para uma uniformização das condutas e por conseguinte de informações com respeito a essa patologia. Baseado nisso o American College of Chest Physicians e a Society of Critical em agosto de 1991, decidiram uniformizar as definições a serem adotadas com relação a sepse, conceituando-as da seguinte maneira (BRASIL, 1998):

- Infecção: fenomeno microbiano. Caracterizado por uma resposta inflamatória à presença de organismo ou a invasão de tecidos normalmente estéreis a esses micro-organismos.

- Bacteremia: presença de bactérias viáveis na corrente sanguínea.

- Síndrome da Resposta Inflamatória Sistêmica (SIRS): é uma resposta inflamatória a uma grande variedade de condições clínicas severas. Essa resposta é manifestada por duas ou mais das seguintes condições: 1) temperatura > 38 oC ou < 36 oC; 2)freqüência cardíaca > 90 bpm; 3) frequência respiratória > 20 ipm ou pCO2 < 32 mmHg; 4) contagem de glóbulos

brancos > 12.000/ mm3 ou < 4.000/mm3 ou bastonetes > 10%.

- Sepse: resposta inflamatória à infecção, manifestada por duas ou mais das seguintes condições: 1) temperatura > 38 oC ou < 36 oC; 2) freqüência cardíaca > 90 bpm; 3) freqüência respiratória > 20 ipm ou pCO2 < 32 mmHg; 4) contagem de glóbulos brancos > 12.000/ mm3

ou < 4.000/mm3 ou bastonetes > 10%, mais diagnóstico da hemocultura positivo.

- Sepse grave (severa): sepse associada com disfunção orgânica, hipoperfusão ou hipotensão. Hipotensão e anormalidades da perfusão podem incluir, mas não são limitadas por acidose lática, oligúria ou uma alteração aguda no estado mental.

- Hipotensão relacionada à sepse: pressão arterial sistólica < 90 mmHg ou uma redução > 40 mmHg da linha de base, na ausência de outras causas de hipotensão.

inotrópicos ou vasopressores podem não estar hipotensos no momento em que as anormalidades da perfusão são medidas.

- Síndrome da disfunção de múltiplos órgãos (SDMO): presença da alteração na função orgânica, em um paciente agudamente enfermo, de modo que a homeostasia não possa ser mantida sem suporte avançado de vida (PERREIRA JÚNIOR et al, 2002).

A conferência que definiu o Consenso para o diagnóstico da Sepse em 1991 não contemplou, na elaboração dos critérios, alguns itens muito importantes, tais como: a duração do processo infeccioso vigente, o sítio da infecção, o agente agressor e o processo fisiopatológico subjacente. Tais dados são importantes para a homogeneização e estratificação dos pacientes de acordo com a doença de base e com a magnitude da resposta inflamatória desencadeada. Além disso, essas informações possibilitariam a formulação de novas definições para identificar pacientes que possivelmente responderiam a uma determinada estratégia terapêutica direcionada, com o conhecimento dos mecanismos inflamatórios e bioquímicos envolvidos ( CARLET J. et al, 2001).

Em 2001, foi realizada a Conferência de Washington, com o objetivo de padronizar novos critérios para detecção precoce de resposta inflamatória e falência orgânica. Apesar da argumentação embasada na fisiopatologia e apesar das evidências primárias sugerindo o papel de marcadores bioquímicos no diagnóstico, ainda não havia evidência efetiva de que esses poderiam modificar a definição de sepse e seus critérios diagnósticos.

Entretanto, novas tendências promissoras foram propostas com o sistema P.I.R.O. (do inglês P – “predisposition” predisposição; I – “infection” infecção; R – “response” resposta inflamatória; O – “organ disfunction” disfunção orgânica), para estadiamento da sepse. A lógica adotada por essa proposta deve-se ao fato de se categorizar os pacientes quanto aos fatores predisponentes, resposta ao insulto agressor e grau de disfunção orgânica conseqüente, tornando a estratificação mais direcionada para a resposta inflamatória desencadeada pelo hospedeiro e disfunções orgânicas secundárias. Tal sistema é capaz de distinguir a morbidade proveniente da infecção, daquela originada pela resposta gerada pelo próprio hospedeiro ao agente agressor (PERREIRA JÚNIOR et al, 1998).

As manifestações clínicas da sepsee decorrem do processo infeccioso primário, do processo inflamatório subjacente e das disfunções orgânicas instaladas ou em instalação. Os sinais e sintomas decorrentes do insulto infeccioso primário dependem da localização do foco infeccioso primário. A priori qualquer micro-organismo pode ocasionar sepse, porém as bactérias são os agentes etiológicos mais comuns. Contudo, a maioria dos casos de sepse são ocassionados por bactérias Gram-negativas (E. coli,Klebsiella pneumoniae,Enterobacter sp, Pseudomonas aeruginosa e outras). Staphylococcus aureus e Streptococcus pneumoniae e outras bactérias Gram-positivas são responsáveis pelos casos remanescentes. Nos pacientes imunossuprimidos, os fungos, bem como as bactérias, podem causar sepse (PERREIRA JÚNIOR et al, 1998).

Quadro 1 – Manifestações clínicas iniciais da Sepse Alterações do estado de consciência;

Taquipnéia (hipoxemia / hipocapnia); Febre e leucocitose

Acidose metabólica (láctica); Intolerância periférica à glicose;

Oligúria;

Elevação da uréia e creatinina plasmáticas; Hipermetabolismo desnutrição. Fonte: Zanon et al, 2008.

As manifestações clínicas da sepse são divididas em iniciais e tardias, sendo a grande dificuldade encontrada pelos profissionais a correta interpretação dessas manifestações uma vez que as mesmas são em sua maioria inespecíficas podendo ser ocasionadas por outras patologias em curso no paciente. Desta feita, o conhecimento das complicações iniciais é de grande valia para o correto diagnóstico e consequente tratamento do indivíduo e principalmente para um bom prognóstico, conforme pode ser visto no quadro 1 (SEVRANSK

et al, 2009).

tecidual reflete a gravidade da doença e é preditiva do desenvolvimento da disfunção de múltiplos órgãos (KOURY et al, 2007).

A avaliação da qualidade e da intensidade da resposta inflamatória pode levar a identificação de pacientes em risco de disfunção de órgãos. Um bom indicador para sepse deve fazer mais do que prever sobrevida dos pacientes, deve guiar o tratamento e revelar a sua resposta. Não existe um indicador isolado capaz de prover esta informação, o mais provável e que seja necessário um conjunto de indicadores de inflamação e imunossupressão (LISBOA

et al, 2007).

Neste contexto, os dados laboratoriais desempenham importante papel na monitorização e no diagnóstico do paciente séptico. Face aos avanços tecnológicos muitos marcadores biológicos vêm sendo sugeridos para o diagnóstico precoce desta síndrome. Dentre eles destacam-se a análise das proteínas do soro/plasma sanguíneo, avaliação dos níveis de eletrólitos no sangue como o sódio, potássio e o magnésio, o lactato, pH e as pressões parciais de oxigênio (PO2) e gás carbônico (PCO2) (SILVA et al. 2004).

Apesar das terapias modernas, a taxa de mortalidade por sepse é inaceitavelmente alta, variando de acordo com as condições clínicas do pacientes (presença de imunossupressão), idade e patologia de base. Podendo variar de 30 a 50% e aproximando-se dos 100% nos pacientes com choque séptico ou falência de três ou mais sistemas orgânicos. Contudo essa taxa de mortalidade pode ser reduzida pelo diagnóstico precoce e pelo inicio rápido da terapia adequada (BOUGARD; SUE, 2005).

O tratamento da sepse deve ser direcionado para os seguintes pontos: tratamento específico de uma fonte infecciosa, reanimação liquida ótima, uso de pressores ou inotrópicos, tratamento da proteína C reativa e tratamentos auxiliares. A determinação do micro-organismo infeccioso causador da infecção inicial é a condição mais importante para uma boa terapêutica da síndrome, uma vez que todas as demais fases do tratamento são condicionadas ao controle da fonte causadora de infecção (CHEREGATI; AMORIM, 2010).

3.3 MODELOS DE AVALIAÇÃO PROGNÓSTICA EM UTI

paciente em valor numérico, utilizando dados clínicos, laboratoriais e, por vezes, pelo tipo de intervenção utilizada; seu valor está em predizer e agregar o impacto da gravidade da doença sobre a morbidade e a mortalidade dos pacientes (MACCARIELLO et al, 2008).

Neste contexto, estes índices são cada vez mais utilizados em diversas situações no dia a dia dos profissionais que trabalham com terapia intensiva, tais como: estratificar pacientes (relacionando sua gravidade e o prognóstico), acompanhar a evolução e a resposta às terapias realizadas, avaliar o desempenho das UTI e o custo/benefício de cada procedimento realizado com o paciente (BUENO et al. 2005).

Ao longo dos últimos trinta anos, têm-se buscado sistemas preditivos com a finalidade de discernir, de forma mais acurada, como alocar, de maneira mais justa os recursos finitos da UTI. Os sistemas preditivos publicados na literatura tencionam identificar qual a probabilidade de ocorrer o desfecho morte, geralmente associada a patologias ou grupos de patologias para grupos de pacientes, frente aos diagnósticos e alterações orgânicas apresentadas. No entanto, eles não se prestam em avaliar prognósticos de indivíduos (BATISTA et al, 2009).

Até 1988, os sistemas de índices prognósticos disponíveis se baseavam em bancos de dados coletados nos Estados Unidos e na Europa, sendo os dados obtidos nessas populações extrapolados para outras com características étnicas diferentes, sem, contudo, refletir a realidade de países ainda pouco desenvolvidos como o Brasil. Sabe-se que cada população apresenta características morfofisiológicas próprias que podem alterar o curso de doenças que as acometem, tornando-se, portanto, muito importante a aplicação de metodologias de avaliação prognóstica adaptada a realidade de cada uma individualmente (FEIJÓ et al, 2006).

Os índices para predizer a evolução de estados mórbidos, como o APACHE (Acute Physiology and Chronic Health Evaluation), o UNICAMP, o SOFA (Avaliação da falha em órgãos associada a Sepse), o SAPS II ( Simplified Acute Physiology Score II), o SAPS III, entre outros têm ocupado papel relevante na Medicina Intensiva; obviamente em função do seu grande número, estão ainda pouco definidos quais os melhores índices que incluam os parâmetros de mais fácil aplicação e que possam predizer mais sensivelmente a ocorrência de alguma patologia ou a sobrevida do paciente em situações específicas (BUENO et al. 2005).

laboratoriais como temperatura corporal (TC), pressão arterial média, freqüência Cardíaca (FR), Escala de coma de Glasgow (ECG), Pressão Parcial de Oxigênio (PO2), pH Arterial,

sódio, potássio, creatinina sérica, além do hematócrito e contagem total de leucócitos (CTL); associadas a idade do indivíduo e a presença de doenças crônicas. A determinação do risco calculado de óbito (RCO) se realiza utilizando a regressão logística (ALVES et al 2009; FEIJO et al, 2006).

Em 2002, Terzi et al. desenvolveram um modelo de avaliação prognóstica individual para pacientes internados em unidades de tratamento intensivo, que ficou conhecido como modelo UNICAMP II. O modelo UNICAMP II é semelhante ao APACHE II, diferindo pela substituição das diferentes categorias de diagnóstico de doenças presente do APACHE II, pela presença ou não de três outras variáveis: Insuficiência renal, ventilação mecânica e o caráter de urgência ou emergência da internação. Esse modelo foi construído com base em informações de pacientes brasileiros refletindo, portanto, a realidade da nossa população (TERZI et al, 2002).

O Simplified Acute Physiology Score II (SAPS II) foi desenvolvido por Le Gall et al. em 1993. Apesar de não ser tão difundido no Brasil como o APACHE II, é muito utilizado na Europa. Na sua elaboração foram utilizados dados, coletados entre setembro de 1991 e fevereiro de 1992, de 13.152 pacientes de 12 países europeus e norte americanos. O SAPS II analisa as variáveis: idade, tipo de internação (clínica, cirúrgica programada ou não), presença de doenças crônicas, ECG, Pressão Arterial, FC, TC, PO2, dosagem sérica de potássio, sódio,

bicarbonato e CTL. O grau de desvio da normalidade e a caracterização da condição conferem uma determinada pontuação para cada variável, sendo determinado assim um escore prognóstico para cada indivíduo avaliado (MORENO et al,2005).

O SAPS III foi construído a partir de um banco de dados de 16.784 pacientes de 35 países, no período de outubro a dezembro de 2002. Avalia a presença de patologias preexistentes a internação e as mesmas variáveis analisadas no SAPS II. Entre as inovações que esse novo índice traz esta a presença de sete equações personalizadas – além de uma equação global padrão para diferentes partes do mundo, entre elas a America Central e do Sul (ALVES et al, 2009).

disfunções dos diferentes sistemas como o respiratório , cardiovascular, hepático, a coagulação, os sistemas renal e neurológico (DIAS et al, 2006; BUENO et al. 2005).

Em estudo realizado por Koury et al. em um hospital privado do estado de Pernanbuco utilizando vários escores preditivos para avaliar a mortalidade na unidade de terapia intensiva dentre eles o APACHE II e o SOFA com 199 pacientes observou-se que o lactato sérico elevado, o tempo de hospitalização maior que 72h prévio a transferência para a UTI, e a presença de co-morbidades estão associados com maior risco de morte. Pontuação elevada nos escore SOFA e APACHE II também apresentaram a mesma associação, confirmando a universalidade destes escores para predizer mortalidade (KOURY et al, 2007).

Os modelos APACHE II, SAPS II e III e UNICAMP II foram testados em 350 indivíduos idosos internados em uma UTI geral de um hospital terciário da cidade de Curitiba, no estado do Paraná, durante um estudo prospectivo de 18 meses. Os resultados encontrados demonstraram que os índices prognósticos genéricos podem apresentar falhas quando aplicados num grupo tão peculiar como os idosos. Os índices prognósticos avaliados nessa população apresentam discriminação adequada e calibração deficiente. Houve subestimação da letalidade pelo SAPS II (ALVES, 2009).

Outras metodologias de análise da mortalidade em UTI têm sido propostas com o intuito de melhorar a confiabilidade das escalas de avaliação, dentre elas destaca-se a utilização de Redes Bayesianas como em um estudo conduzido com 227 pacientes internados em uma unidade de terapia intensiva que apresentavam sepse, onde foram comparados os resultados obtidos no escore APACHE II com a Rede Bayesiana, tendo a mesma superado o modelo APACHE II na correta determinação na mortalidade associada à Sepse (FRANTZ, 2008).

Estudo realizado por Jaimes et al. com 553 pacientes com infecção bacteriana internados por 28 dias ou mais em uma UTI comparou a confiabilidade do modelo APACHE II com um modelo de redes neurais e a regressão logística (RL) demonstrou que a RL continua a ser a melhor opção quando o objetivo principal é examinar as relações causais possíveis entre as variáveis examinadas (JAIMES et al; 2005).

A grande questão a ser aqui levantada é o fato do próprio padrão-ouro ser um procedimento invasivo, de resposta demorada e de resultado as vezes questionável, podendo apresentar uma sensibilidade e especificidades por volta de 85%. Diante disto, até o presente momento não existe relato na literatura médica de um modelo prognóstico que tenha sido testado e possua poder estatístico para prever a ocorrência de Sepse nos indivíduos internos nas Unidades de Terapia Intensiva.

3.4 MODELO DE REGRESSÃO LOGÍSTICA

Durante a sua vida laboral o profissional que atua nas Unidades de Terapia Intensiva se depara com diversas situações em que necessita tomar decisões rápidas, que, quando incorretas, podem levar a morte imediata de seus pacientes. Como esse indivíduo pode mitigar essa possibilidade de erro? Existem diversas formas práticas que logo podem ser colocadas: manter-se sempre atualizado, utilizar os melhores recursos diagnósticos e terapêuticos existentes, ter uma equipe bem treinada, dentre outras. Contudo, hoje com os avanços científicos ocorridos nas últimas décadas o que vem se buscando é prever o surgimento ou a evolução das doenças a fim de preveni-las ou tratá-las da melhor maneira possível.

Existem diversos estudos realizados nas UTI com modelos preditivos como já discutidos anteriormente, todavia esses modelos matemáticos até agora utilizados mundialmente em sua grande maioria tratam apenas da possibilidade de previsão da mortalidade nessas unidades. Será possível prever a ocorrência da Sepse com certo grau de certeza matemática, e desta maneira reduzir drasticamente a mortalidade por ela causada? Qual o modelo matemático mais indicado? Nesse trabalho utilizamos o modelo de Regressão Logística (RL) para formular um modelo predito para sepse em UTI. Mas, então o que é a Regressão Logística? Como ela surgiu?

A origem da aplicação da regressão logística data da década de 1960, em resposta ao desafio de realizar predições ou explicar a ocorrência de determinados fenômenos quando a variável dependente fosse de natureza binária. Um dos estudos que mais conferiu notoriedade a esse recurso estatístico foi o famoso Framingham Herat Study, realizado em colaboração com a Universidade de Boston. O principal objetivo dessa pesquisa foi identificar fatores que concorrem para desencadear doenças cardiovasculares como a Hipertensão arterial e o infarto agudo do miocárdio (CORRAR, PAULO, DIAS FILHO; 2009).

aplicação do modelo de regressão logística passou a fornecer então um arsenal metodológico poderoso e amplamente aplicável (SOUZA, 2006).

Em 1981 Knaus et al utilizaram a técnica de regressão logística como recurso estatístico para definição da probabilidade de mortalidade de pacientes assistidos em UTI, formulando o modelo APACHE I. Lemeshow e Hosmer apresentaram em 1989 os resultados de uma pesquisa que também utilizou a RL e que teve como objetivo comprovar a associação entre a presença de coronariopatia e a idade dos indivíduos pesquisados (CORRAR, PAULO, DIAS FILHO; 2009).

No Brasil, Terzi et al,. (1997) publicaram pesquisa em que apresentaram as bases teóricas que regem os diferentes sistemas de índices prognósticos e concluíram que a Regressão Logística é o método de identificação de variáveis de interesse na estimativa do risco de óbito em pacientes admitidos em UTI. Mais tarde, essas bases teóricas nortearam o estudo que deu origem ao modelo de predição de mortalidade denominada UNICAMP II (TERZI et al, 1997; TERZI et al. 2002).

O modelo logístico tem como objetivo descrever a relação entre a variável resposta y dicotômica, como por exemplo, o status de doença (a doença está presente ou ausente) e as variáveis preditoras X1, X2, ..., XJ. Nesse modelo a variável resposta poderá assumir apenas

dois valores, 0 ou 1. Em geral, o valor 1 é usado para representar um “sucesso” ou o resultado que estamos mais interessados e 0 para representar o fracasso (PAGANO, 2008).

Então, considerarando a situação em que a variável resposta em um problema de regressão assume apenas dois valores possíveis, 0 e 1, estas poderiam ser atribuições arbitrária resultante da observação de uma resposta qualitativa. Por exemplo, o diagnóstico de sepse em um indivíduo. Nesta situação ao status de presença de sepse seria atribuido o valor 1 e a ausência da doença 0.

Supondo que o modelo tenha a forma:

= + ( 1)

Onde ′ = 1, , , … . , ′ = , , , … . e a variável resposta Yi, assume os valores 0 ou 1. Vamos supor que o Y1 variável resposta é uma variável aleatória de

Tabela 1 –Valores assumidos pelas probabilidades na regressão logística

Yi Probabilidade

1 P ( i=1)= i

0 P( i=0)= 1- i

Fonte: Montgomery; Peck; Vining, 2003.

Agora, uma vez E ( i) = 0, o valor esperado da variável resposta é: = 1 i) + 0 (1- i) (2)

= i

Isto implica que:

= = πi (3)

Isto significa que a resposta esperada dada pela função de resposta = é apenas a probabilidade de que a variável resposta assume o valor 1.

Existem alguns problemas de fundo com o modelo de regressão apresentado em 1. Primeiro, observe que se a resposta é binária, então o termo de erro i só pode assumir dois valores, a saber:

= 1 − ′ quando i = 1 = − ′ quando = 0

Consequentemente, os erros neste modelo não podem ser normais. Segundo, a variância do erro não é constante. Isto indica que a variância das observações é uma função da média. Finalmente, há uma restrição sobre a função de resposta, porque:

0 ≤ = " ≤ 1

Essa função é chamada a função de resposta logística, e tem a forma:

ou equivalente a:

= _{)#$% *&}'₍ (5)

A função resposta logística pode ser facilmente linearizada. Uma abordagem define a parte estrutural do modelo em termos de uma função da função resposta média.

Permintindo que:

+ = ′ (6)

seja o preditor linear, onde + é definido pela transformação:

+ = ,- _*.. (7)

Esta transformação é muitas vezes chamada a transformação logit da probabilidade de ", e relação na transformação "_{/1 − "} é chamado de probabilidades. Às vezes, a transformação logit é chamada de log das probabilidades (MONTGOMERY; PECK; VINING, 2003).

No modelo logístico podem ocorrer interações entre as variáveis independentes fatores (variáveis categóricas) e/ou co-variantes (variáveis contínuas). Estes fatores poderão ser cruzados ou alinhados, e as co-variantes poderão ser cruzadas entre elas ou com os fatores, formando uma equação logística que é definida como: (TRIOLA, 2011).

( )

i i

i x x

it β β β ε η ε

π π

π = + + + + = +

−

= ...

1 ln

log _{0 1 1} (8)

onde,

( )

it π

log logaritmo da razão de chances entre p

(

)

(

)

=

i

π p

(

)

0

β e βj =parâmetros a serem estimados =

i

x variáveis independentes

=

i

Considere o caso em que o preditor linear tem apenas um único regressor, de modo que o valor do modelo ajustado para um determinado valor de , digamos , é

( )

ˆ _{β β}

η = + (9) O valor ajustado em xi +1 é,

(

)

(

)

ˆ x_{i + =}β_{0 +}β₁ x_{i +}

η (10)

E a diferença dos dois valores preditivos é,

(

) ( )

ˆ _{η β}

η xi + − xi = (11)

Note que ηˆ

( )

(

)

ˆ x_{i +}

η é apenas a log-odds quando o regressor é igual a

(

)

(

) ( )

(

) (

)

Se aplicarmos a função antilogs, obtém-se a odds ratio, da seguinte forma,

j i i e odds odds O x x R βˆ 1

ˆ ₌ + ₌

(12)

A odds ratio pode ser interpretada como o aumento/decréscimo estimado na probabilidade de sucesso devido a uma mudança de uma unidade no valor da variável preditora, por exemplo, considere o caso da infecção Hospitalar (IH), em que o tempo de exposição ao micro-organismo no ambiente hospitalar aumenta as chances de desenvolvimento da patologia. Essa será então uma variável explicativa, importante no modelo, assim se _Oˆ =_eˆj =1,10

R

β

, então isto quer dizer que a cada dia adicional de exposição, aumentam as chances de contrair a doença em 10%.

Assim, o aumento estimado na odds ratio associado a uma mudança de d unidades na variável preditora será exp

( )

A interpretação dos coeficientes de regressão para o caso de um modelo de regressão logística múltipla é similar ao caso em que o modelo tem apenas um regressor. Nestes casos, a quantidade exp

( )

3.5 OUTROS MÉTODOS DE AVALIAÇÃO ESTATÍSTICA UTILIZADOS NA TERAPIA INTENSIVA

Grande parte do trabalho clínico consiste na busca diagnóstica de doenças. Para tal, o profissional de saúde lança mão de um verdadeiro arsenal propedêutico que se inicia com a anamnese e o exame físico, podendo ir até exames mais sofisticados como a ressonância magnética, exames de marcadores celulares, entre outros. Conscientemente ou não, esses profissionais realizam um raciocínio estatístico para a realização de um diagnóstico do paciente: por exemplo, qual a probabilidade de um indivíduo ter diagnóstico de meningite ao apresentar febre, vômito e cefaléia? Mas, por que se trabalhar com probabilidade no diagnóstico de uma doença? A resposta para essa questão é simples: O procedimento diagnóstico é um processo que inclui um razoável grau de incerteza, que é aumentada ou diminuída por dois fatores: o bom juízo crítico do profissional e a confiabilidade dos exames realizados (MEDRONHO, 2009).

Métodos estatísticos aplicados à medicina sofreram, nas últimas décadas, enormes avanços. Grande parte desses métodos está voltada ao problema de classificar indivíduos em grupos, sendo que os testes diagnósticos compõem o principal exemplo. Estes testes são descritos como métodos teoricamente capazes de indicar a presença ou a ausência de uma determinada doença, com certa chance de erro (MARTINEZ; LOUZADA NETO; PEREIRA, 2003).

Na prática clínica ao solicitar um exame, o profissional de saúde se vê diante de questões altamente importantes como: Qual exame(s) solicitado oferece maior confiança para determinação do diagnóstico do paciente? Este exame está acessível ao cliente (Financeiramente, Tecnicamente)? Quais os riscos e benefícios que o procedimento pode trazer a saúde do indivíduo? (ALMEIDA FILHO; ROUQUAYROL, 2006).

ausência da doença (verdadeiro negativo) e negativo na sua presença (falso-negativo). Para minimizar esses problemas o profissional deverá procurar solicitar o exame que seja definido como padrão- ouro para aquela determinada enfermidade (MEDRONHO, 2009).

Mas o que seria o padrão-ouro então? Na prática o padrão-ouro ou gold stantard é o teste disponível capaz de produzir o menor erro de classificação possível, ou seja, com o melhor desempenho em termos de sensibilidade e especificidade (ROUQUAYROL; ALMEIDA FILHO, 2003).

A sensibilidade (S) é definida como a proporção de verdadeiros positivos entre todos os doentes. Expressa a probabilidade de um teste dar positivo na presença da doença, isto é, avalia a capacidade do teste detectar a doença quando ela está de fato presente. Os testes sensíveis são utilizados, principalmente quando há necessidade de se diagnosticar uma doença potencialmente grave, como por exemplo, a Sepse (PAGANO, 2008; MEDRONHO, 2009).

A especificidade (E) é a proporção de verdadeiros negativos entre todos os sadios. Expressa a probabilidade de um teste dar negativo na ausência da doença, isto é, avalia a capacidade do teste afastar a doença quando ela está ausente. Os testes muito específicos são utilizados para confirmar um diagnóstico, já que ele raramente terá resultado positivo na ausência da doença. Eles são necessários para eliminar os resultados falso-positivos que podem lesar o paciente física ou emocionalmente como no caso do teste anti-HIV (PAGANO, 2008).

Para compreendermos melhor a sensibilidade e a especificidade vejamos a tabela 2:

Tabela 2 – Avaliação da sensibilidade e especificidade de um teste diagnóstico

Resultado do Teste Doença TOTAL

Presente Ausente

Positivo a b a+b

Negativo c d c+d

TOTAL a+c b+d a+b+c+d

A sensibilidade de um teste é dada pela expressão:

0 = ₁₎₂1 (13)

Já a especificidade pode ser calculada:

Ao solicitar um teste diagnóstico, deve-se levar em conta a sensibilidade e a especificidade. Entretanto, dado que o exame foi realizado qual a probabilidade de um resultado positivo ter realmente identificado a doença? A probabilidade de doença, dados os resultados de um teste diagnóstico é denominada valor preditivo do teste que pode ser dividido em:

Valor Preditivo Positivo (VPP) é a proporção de verdadeiros positivos entre todos os indivíduos com teste positivo. Expressa a probabilidade de um paciente com o teste positivo ter a doença e é definida pela equação:

566 = ₇₎₈7 (15)

Valor Preditivo Negativo é a proporção de verdadeiros negativos entre todos os indivíduos com teste negativo. Expressa a probabilidade de um paciente com o teste negativo não ter a doença é definido por:

569 = _;):: (16)

Quanto mais sensível o teste, melhor seu valor preditivo negativo, em função da redução do número de resultados falsos negativos. Por outro lado, quanto mais específico o teste, melhor o seu valor preditivo positivo, em função da redução do número de resultados falsos positivos (MEDRONHO, 2009).

Outra forma de se avaliar os testes diagnósticos é o cálculo da razão de verossimilhança (likelihood ratio), que é definida com a razão entre a probabilidade de um determinado resultado de um teste diagnóstico em indivíduos portadores da doença e a probabilidade do mesmo resultado em indivíduos sem a doença.

Para um teste dicotômico (positivo/negativo), a razão de verossimilhança é calculada para o resultado positivo e para o resultado negativo através da Razão de Verossimilhança para o teste positivo (RV+) e da Razão de Verossimilhança para o teste negativo (RV-).

A RV- é a razão entre o complemento da sensibilidade e a especificidade. Expressa quantas vezes é mais provável encontrar um resultado negativo em pessoas doentes quando comparados a pessoas não doentes. Quanto menor for o RV- de um teste, melhor é o seu desempenho (ROUQUAYROL; ALMEIDA FILHO, 2003).

Uma forma de expressar graficamente a relação entre a sensibilidade e a especificidade é a curva ROC (receiver operator characteristic curve). Ela é de fundamental importância quando os testes diagnósticos produzem uma resposta sob a forma de uma variável categórica. Neste caso, emprega-se uma regra de decisão baseada em buscar uma ponte de corte que resume tal quantidade em uma resposta dicotômica, de forma que um indivíduo com mensurações menores ou iguais ao ponto de corte é classificado como não doente e, analogamente, um indivíduo com uma resposta maior que o ponto de corte é classificado como doente (MARTINEZ; LOUZADA NETO; PEREIRA, 2003).

A curva ROC foi desenvolvida no contexto de detecção de sinais eletrônicos e problemas com radares, durante a segunda Guerra Mundial. Seu objetivo era quantificar a habilidade dos operadores dos radares em distinguir a diferença entre um sinal de um ruído. Já a partir da década de 1960, curvas ROC foram utilizadas em psicologia experimental, e nos anos 70, a metodologia amplamente se disseminou em vários ramos da pesquisa biomédica. Na área da terapia intensiva, diversos estudos têm utilizado essa metodologia para avaliação da confiabilidade de modelos preditivos de mortalidade, comparação entre eles ou no valor prognóstico de marcadores biológicos como o lactato sérico (ZANON et al, 2008; KOLISKI

et al, 2008).

A construção da curva ROC como demonstrado no Gráfico 1, é realizada colocando-se os valores da colocando-sensibilidade (proporção de verdadeiros positivos) nas ordenadas (eixo Y) e o complemento da especificidade (1 – especificidade), ou seja, a proporção de falsos positivos, nas abscissas (eixo X) para diferentes pontos de corte (MEDRONHO, 2009).

Gráfico 1 – Gráfico da Curva ROC

Fonte: Farah; Amaral, 2003.

A Curva ROC pode servir como orientação para a escolha do melhor ponto de corte de um teste que, em geral, localiza-se no extremo da curva próximo ao canto superior esquerdo do gráfico. Uma das formas de identificação do melhor ponto de corte é o índice de Youden. O índice de Youden maximiza a distância vertical da linha de igualdade para o ponto [x, y], onde “x” representa 1-especificidade e “y” representa a sensibilidade. O ponto encontrado nesse critério é o mais distante da linha da igualdade (diagonal), onde a soma da sensibilidade e da especificidade é máxima. Esse critério é o mais comumente usado para definição do ponto de corte ótimo da curva ROC, pois desta forma consegue-se refletir a intenção de maximizar a taxa de classificação correta sendo também fácil de calcular (HOSMER; LEMESHOW, 2000).

Além de auxiliarem na identificação do melhor ponto de corte, elas também são muito utilizadas para comparar dois ou mais testes diagnósticos para a mesma doença. Nesse caso, o poder discriminatório do teste, ou seja, a acuraria global pode ser mensurado pelo cálculo da área sob a curva ROC, quanto maior for a área, tanto melhor será o teste diagnóstico (MARTINEZ; LOUZADA NETO; PEREIRA, 2003).

O coeficiente kappa varia de 0 a 1, ou seja, quanto maior a concordância, mais perto

da unidade estará o kappa. A vantagem usualmente reconhecida no coeficiente Kappa é sua

capacidade de remover da concordância percentual aquelas concordâncias que provavelmente foram devidas ao acaso, trazendo uma distribuição mais global das condições dentro dos indivíduos examinados (PITANGA; LESSA, 2004).

A utilização do valor K na área de saúde é bastante vasta indo desde a avaliação do treinamento de profissionais de saúde como os cirurgiões dentistas observando-se a confiabilidade dos diagnósticos entre examinadores, ao risco coronariano em indivíduos internados em UTI, passando também pela análise da concordância dos diagnósticos de atestado de óbitos em crianças (BRASIL, 2001; MENEZES; SANTOS, 1999; PITANGA; LESSA, 2004).

A estatística K é definida pela fórmula abaixo: K = (Po – Pe) / 1 – Pe

Onde:

Po = proporção de concordâncias observadas Pe = proporção de concordâncias esperadas

A interpretação do coeficiente Kappa é definida de acordo com a Tabela 3:

Tabela 3 – Interpretação do Coeficiente Kappa

Valor de Kappa Concordância

0 Pobre

0 – 0,20 Ligeira

0,21 – 0,40 Considerável

0,41 – 0,60 Moderada

0,61 – 0,80 Substancial

Acima de 0,80 Excelente

4.1 TIPO DE ESTUDO

Trata-se de um estudo de campo, longitudinal com abordagem quantitativa. A pesquisa quantitativa caracteriza-se pelo emprego da quantificação tanto no processo de coleta de dados quanto na utilização de técnicas estatísticas para o tratamento dos mesmos. Tem como principal qualidade a precisão dos resultados, sobretudo utilizados em estudos descritivos, que procuram descobrir e classificar a relação de casualidade entre as variáveis da hipótese estabelecida, bem como estabelecer a casualidade entre os fenômenos (SOUZA; LEITE, 2009).

4.2 LOCAL DE ESTUDO

A pesquisa foi realizada na Unidade de Terapia Intensiva do Hospital Regional de Patos (HRP), durante o período de abril a outubro de 2011. Esta instituição está situada na cidade de Patos, no Sertão da Paraíba, a 300 km da capital João Pessoa – PB, sendo um município de médio porte com população predominantemente urbana, totalizando 99.255 habitantes (IBGE, 2006).

A Unidade de Terapia Intensiva do HRP iniciou suas atividades em outubro de 1992 e possui atualmente seis leitos, atendendo exclusivamente indivíduos adultos. É uma UTI geral por receber pacientes acometidos por diversas patologias distintas como indivíduos vítimas de doenças cardíacas, respiratórias, acidentes, distúrbios metabólicos, dentre outras. Conta com uma equipe formada por dez médicos, sete enfermeiros, sete fisioterapeutas, vinte e um técnicos de enfermagem, além de pessoal de apoio como recepcionista e auxiliar de serviços gerais.

4.3 CASUÍSTICA

Os dados foram coletados a partir dos prontuários de todos os indivíduos em internação na referida UTI no período de março a outubro de 2011, perfazendo um total de 113. A amostra foi composta pelos prontuários de todos os pacientes que apresentaram todos os critérios de inclusão da pesquisa, num total de 100 indivíduos. A abordagem de amostragem utilizada foi por conveniência. Segundo Dyniewicz (2009), a amostra por conveniência é aquela em que o pesquisador delimita a população para que todos os elementos que comporão a amostra estejam dentro dos critérios de inclusão.

Fizeram parte do estudo aqueles indivíduos que obedeceram aos seguintes critérios de inclusão: possuir idade superior ou igual a 15 anos, estar internado na UTI do HRP durante o período de coleta dos dados, possuir em seus prontuários os registros de todas as variáveis de interesse no estudo, coletadas a partir de instrumento próprio confeccionado pelo pesquisador. Foram excluídos da pesquisa todos os indivíduos que não atenderam a esses critérios.

4.4 COLETA DOS DADOS

Para realização do estudo foi utilizado um questionário, elaborado pelo pesquisador (Apêndice A), que continha dados gerais do paciente, como idade e sexo, o diagnóstico inicial ao ser admitido na UTI e variáveis clínicas e bioquímicas como, Temperatura axilar mínima (TAM) e máxima (TAMX) registrada nas 24 horas anteriores à coleta, frequência cardíaca (FC) e respiratória (FR), concentração sanguínea de gás carbônico (PCO2) e de oxigênio

(PO2), níveis séricos de lactato (LAC), sódio, potássio, contagem de leucócitos totais (LT) e

de bastonetes (Bast), resultado da hemocultura, número de dias de internação na UTI (Dias de UTI), uso de antibioticoterapia e alterações ocorridas no tratamento durante o período de internação. Todas as variáveis analisadas foram escolhidas com base na literatura pertinente a temática.